隨著AI在行業(yè)中變得越來越普遍，越來越多的工程師和科學(xué)家(不僅僅是數(shù)據(jù)科學(xué)家)將致力于AI項目。他們現(xiàn)在可以訪問社區(qū)中現(xiàn)有的深度學(xué)習(xí)模型和可訪問的研究，與從頭開始相比，這提供了顯著的優(yōu)勢。雖然AI模型曾經(jīng)以多數(shù)圖像為基礎(chǔ)，但大多數(shù)模型也包含更多的傳感器數(shù)據(jù)，包括時間序列數(shù)據(jù)，文本和雷達(dá)。

工程師和科學(xué)家由于他們對數(shù)據(jù)的內(nèi)在知識，將極大地影響項目的成功，與不熟悉領(lǐng)域領(lǐng)域的數(shù)據(jù)科學(xué)家相比，這是一個優(yōu)勢。借助自動標(biāo)記之類的工具，他們可以利用自己的領(lǐng)域知識來快速整理大型，高質(zhì)量的數(shù)據(jù)集。高質(zhì)量數(shù)據(jù)的可用性越高，AI模型中進(jìn)行準(zhǔn)確性的可能性就越大，因此成功的可能性就越大。

隨著AI被訓(xùn)練為可以使用更多傳感器類型(IMU，Lidar，Radar等)，工程師正在將AI驅(qū)動到廣泛的系統(tǒng)中，包括自動駕駛汽車，飛機發(fā)動機，工業(yè)廠房和風(fēng)力渦輪機。這些是復(fù)雜的多域系統(tǒng)，其中AI模型的行為會對整體系統(tǒng)性能產(chǎn)生重大影響。在這個世界上，開發(fā)AI模型不是終點線，只是前進(jìn)的一步。

設(shè)計師希望使用基于模型的設(shè)計工具對這些AI驅(qū)動的系統(tǒng)進(jìn)行仿真，集成和連續(xù)測試。仿真使設(shè)計人員能夠了解AI如何與系統(tǒng)的其余部分進(jìn)行交互。集成使設(shè)計人員可以在完整的系統(tǒng)上下文中嘗試設(shè)計思想。連續(xù)測試使設(shè)計人員能夠快速發(fā)現(xiàn)AI訓(xùn)練數(shù)據(jù)集中的弱點或其他組件中的設(shè)計缺陷?；谀Ｐ偷脑O(shè)計代表了一個端到端的工作流程，它減輕了設(shè)計AI驅(qū)動系統(tǒng)的復(fù)雜性。

人工智能通常使用32位浮點數(shù)學(xué)運算，這在高性能計算系統(tǒng)中可用，包括GPU，集群和數(shù)據(jù)中心。這樣可以得到更準(zhǔn)確的結(jié)果并簡化模型的訓(xùn)練，但是它排除了使用定點數(shù)學(xué)的低成本，低功耗設(shè)備。軟件工具的最新進(jìn)展現(xiàn)在支持具有不同級別的定點數(shù)學(xué)的AI推理模型。這使得能夠在這些低功耗，低成本設(shè)備上部??署AI，并為工程師將AI納入其設(shè)計開辟了新的領(lǐng)域。例子包括車輛和其他嵌入式工業(yè)應(yīng)用中的低成本電子控制單元(ECU)。